工作內容：統計檢定專案指導，問題與瓶頸描述於後 應徵資格：有類似實務經驗者佳 工作時間：1/10前，台灣時間07-14時以外皆可（德國時間半夜以外） 工作薪資：NT1500/hr+ 可議，至少給付1hr 工作地點：Skype線上語音&螢幕分享， 我已經有code，可以當場指導、當場run 聯絡方式：請先站內信聯繫取得skype ID 備註事項：人在國外、發案者很熟悉SAS,R與python，但不是統計背景出身， 不太熟悉非常態分佈與小樣本的處理方式，還有一般作統計檢定的流程。 資料： https://pastebin.com/GS7p64gU 問題： 某工廠在一次維修中發現機械故障 懷疑某汙染物質經此滲入其樣品， 故進行抽樣檢定，以確定樣品是否遭受此機械故障造成之額外汙染。 現有資料為： 對照組（在汙染前取得之樣本）batch0，16筆資料； 以及懷疑遭受額外汙染的批次 batch1~batch7，每個batch各15或16筆資料。 每筆紀錄格式 conc=該汙染物質之濃度(arbitrary unit)。 batch=B0~B7=不同的生產批次 run=1或2=每批次隨機抽樣後，分成兩組，分別於不同的時間點測量(註1) 儀器是同一套 空白代表missing value 瓶頸： (1) 這組數據很奇怪，對照組的分佈不太normal Kolmogorov-Smirnov test against normality做下去， 結果 p-value = 0.057，剛好在 5% 邊緣， 但是實驗組 batch2~batch7 做 K-S test 都沒有拒絕 normality。 這種 marginal case 我如果不做常態分佈的假設，後面有辦法繼續進行嗎？ （後續我還有很明顯是non-normal的case要做 所以這部份至少觀念上必須釐清） (2) outlier如何處理？一般邏輯為何？ 在不確定整個分佈是否為常態時， 到底對照組的 outlier，應當如何偵測/處理？建議不予刪除？那實驗組呢？ (3) 能不能用 Box-Cox transformation 先把對照組樣本轉成normal？ 這項技巧什麼時候可以用？ (4) 整體而言有沒有一個比較嚴謹或公認的分析邏輯？ 我目前預想的邏輯是 1.確定對照組的分佈特性（常態或非常態？有沒有outliers？） 2.檢定各實驗組與對照組的 mean or median 是否有差異 3.檢定 variance 4.檢定整個分佈的 goodness of fit 但是現在還卡在1. 而且說真的我不太知道怎麼定義問題， 例如到底怎樣才叫作"檢出"？ 如果有個goodness of fit (Anderson-Darling)的結果 發現實驗組跟對照組的分佈是有差異的， 但是mean跟variance都沒有明顯差異， 如此我仍然應該宣稱樣品遭到汙染嗎？ 諸如此類的問題，希望能一併請益，以便後續作業。 註1：每個batch資料有兩個run(各7或8筆資料，但已跑過 Anderson-Darling test 證明兩個run沒有差異。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 62.163.65.2 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Statistics/M.1546708500.A.E99.html 感謝指出，已更新於上。 我的意思是， 我做box-cox transform取lambda=-1也可以弄成normal啊 Anderson-Darling D statistics = 0.1165 還算可以 問題是為什麼我可以做這件事情 為什麼取log或者box-cox transform而不是其他手段 做這件事情不會被抨擊嗎？ ※ 編輯: oNeChanPhile (62.163.65.2), 01/06/2019 21:44:11